随着人民生活水平的提高，机动车辆日益增多，各种交通事故也频繁出现。进入新世纪以来，交通事故已经成为一个相当严重的社会问题。行人是交通系统中的重要参与者，也是交通事故的主要受害者，对行人进行保护的必要性显而易见。本文中的行人检测是指利用安装在运动车辆上的摄像头获取车前面的视频信息，然后对视频序列进行图像处理，判断是否有行人；若有，则确定行人的位置，估计是否会出现潜在危险，以便采取策略保护行人。虽然行人检测已经被研究了十几年，但目前仍没有一个通用的、精确的、健壮的行人检测算法，这是由行人姿态和服饰的多样性，光线和背景变化的复杂性，以及人与环境之间的相互影响造成的。也因为如此，行人检测一直是机器视觉的一个研究重点和难点。本文主要研究驾驶员辅助系统中基于单目摄像头的行人检测。首先针对车载摄像头的特殊性，对输入图像帧进行简单的ROI(Region Of Interest)分割，减少检测区域，提高实时性；接着利用Haar特征和Adaboost级联分类器提取行人的候选区域，这一步计算时间短但有较多误检，可根据行人垂直边缘对称性对候选区进一步筛选；然后使用HOG特征和SVM算法对候选区域进行行人验证；最后使用卡尔曼滤波以及模板匹配实现行人的跟踪。本文结合使用了多种特征以及多种分类器，取其所长避其所短，较好地兼顾了检测的准确度和速度。实验结果表明，本文采用的方法可以检测到图像中多种姿态的行人，甚至小目标行人，并且基本满足实时要求，这对驾驶员辅助系统中行人检测的研究具有一定的参考意义。